Wan2.1 VACE texto a vídeo
Transformar descripciones de texto en videos de alta calidad. Soporta tanto 480p como 720p con el modelo VACE-14B.
Acerca de
Este flujo de trabajo convierte un prompt de texto corto en un vídeo coherente usando Wan 2.1 VACE. Codifica tu prompt con CLIPLoader + CLIPTextEncode, y luego impulsa el Wan VACE UNet (UNETLoader) a través de un bucle de difusión (KSampler) configurado para el comportamiento de muestreo del modelo mediante ModelSamplingSD3. El Nodo WanVaceToVideo gestiona la generación de latentes teniendo en cuenta el tiempo, y TrimVideoLatent te permite acortar o recortar la secuencia a un conteo exacto de fotogramas. Después del muestreo, VAELoader + VAEDecode convierten los latentes en fotogramas RGB. Por último, CreateVideo compila los fotogramas y SaveVideo escribe la salida MP4; se incluye SaveAnimatedWEBP para vistas previas ligeras.
Lo que proporcionas
- Leyendo el flujo de trabajo
Se ejecuta en ComfyUI. Este flujo de trabajo no puede ejecutarse en esta página. Ábrelo en Comfy Cloud con todo cargado o descárgalo para tu propio ComfyUI.
Probar en CloudPreguntas y respuestas
Usa 14B para el mejor detalle y consistencia temporal (admite 480p y 720p), pero es más lento y consume más VRAM. Usa 1.3B cuando necesites borradores rápidos a 480p o tengas hardware limitado.
El CausVid LoRA sacrifica parte de la fidelidad a cambio de velocidad. Prueba bajar la fuerza de LoRA a 0,3–0,5, aumentar ligeramente los steps u omitir el LoRA para el render final. También mantén cfg conservador (alrededor de 1,0 con LoRA) para reducir inestabilidad.
Configura los fps en WanVaceToVideo, y elige allí un número objetivo de fotogramas o finalízalo con TrimVideoLatent. Por ejemplo, 48 fotogramas a 24 fps dan un clip de 2 segundos. CreateVideo y SaveVideo respetarán los fps que pasen por la canalización.
Los requisitos varían según la Resolución y el tamaño del modelo. El modelo 14B a 720p normalmente requiere una GPU con mucha VRAM; 480p en 1.3B es más permisivo. Si te encuentras con errores OOM, cambia a 1.3B, reduce Resolución o fotogramas y evita fuerzas altas de LoRA.